Data Analytics und Machine Learning

Data Analytics und Machine Learning

Mit steigernder Anzahl an Sensoren wird es zunehmend schwieriger, die richtigen Schlüsse aus der Flut an verfügbaren Informationen zu ziehen. Methoden der Datenanalyse wie z.B. maschinelles Lernen kann dabei helfen, essentielle Gesetzmäßigkeiten in den Daten zu erkennen und diese schließlich dazu nutzen, um bessere Produkte und bessere Sensorik zur Verfügung zu stellen, die schließlich Geschäftsprozesse zu optimieren.

Unsere grundlegende Motivation besteht darin, robuste Tracking-Algorithmen und Datenanalyseverfahren mittels maschinellem Lernen aber auch statistischer Methode zu entwerfen und nutzbar zu machen. Ein großer Fokus liegt hierbei aber auch auf hybriden Verfahren, die sich die Vorteile beider Welten zu Nutze machen.

Auf einen Blick

Unser Hauptaugenmerk liegt auf den Bereichen Positionsrechnung, optische Trackingsysteme, autonome Systeme, Sports Analytics, Zustandsklassifikation und Sensorfusion.

Unsere Technologien

Erfahren Sie mehr über die Ergebnisse der Bemühungen in Forschung und Entwicklung zu Data Analytics.

Anwendungen|Projekte

Erfahren Sie mehr über Projekte in der Praxis oder informieren Sie sich über die Möglichkeiten in Ihrem Anwendungsgebiet.

 

Leistungen

Welche Möglichkeiten der Kooperation es gibt und was die Kompetenzen des Fraunhofer IIS sind erfahren Sie hier.

Publikationen

Löffler, C.; Mutschler, C.; Philippsen, M.: Approximative Event Processing on Sensor Data Streams (Best Poster and Demostration Award). In ACM (Hrsg.): Proceedings of the 9th International Conference on Distributed Event-Based Systems (9th ACM International Conference on Distributed Event-Based Systems, Oslo, Norway). 2015. S. 360—363. – ISBN 978-1-4503-3286-6.

 

Mutschler, C.; Philippsen, M.: Adaptive Speculative Processing of Out-of-Order Event Streams. In: ACM Transactions on Internet Technology (TOIT) 14 (2014), Nr. 1, S. 4:1—4:24, ISSN 1557-6051.

 

Mutschler, C.: Latency Minimization of Order-Preserving Distributed Event-Based Systems. Dissertation. Dr. Hut Verlag. 229 Seiten. ISBN 978-3-8439-1472-7.

 

Mutschler, C.; Löffler, C.; Witt, Nicolas; Edelhäußer, T.; Philippsen, M.: Predictive Load Management in Smart Grid Environments (Best Paper Award). In ACM (Hrsg.): Proceedings of the 8th ACM International Conference on Distributed Event-Based Systems (8th ACM International Conference on Distributed Event-Based Systems, Mumbai, India). 2014. S. 282—287. – ISBN 978-1-2734-4.

 

Mutschler, C.; Ziekow, H.; Jerzak, Z.: The DEBS 2013 Grand Challenge. In: ACM (Hrsg.): Proceedings of the 7th ACM International Conference on Distributed Event-Based Systems (7th ACM International Conference on Distributed Event-Based Systems, Arlington, Texas, USA)., 2013, S. 289-294. - ISBN 978-1-4503-1758-0.

 

Mutschler, C.; Witt, N.; Philippsen, M.: Do Event-Based Systems have a Passion for Sports?. In: ACM (Hrsg.): Proceedings of the 7th ACM International Conference on Distributed Event-Based Systems (7th ACM International Conference on Distributed Event-Based Systems, Arlington, Texas, USA)., 2013, S. 331-332. - ISBN 978-1-4503-1758-0.

 

Mutschler, C.; Philippsen, M.: Reliable Speculative Processing of Out-of-Order Event Streams in Generic Publish/Subscribe Middlewares. In: ACM (Hrsg.): Proceedings of the 7th ACM International Conference on Distributed Event-Based Systems (7th ACM International Conference on Distributed Event-Based Systems, Arlington, Texas, USA)., 2013, S. 147-158. - ISBN 978-1-4503-1758-0.

 

Loeffler, C.; Mutschler, C.; Philippsen, M.: Evolutionary Algorithms that use Runtime Migration of Detector Processes to Reduce Latency in Event-Based Systems. In: IEEE Computer Society (Hrsg.): Proceedings of the 2013 NASA/ESA Conference on Adaptive Hardware and Systems (AHS-2013) (2013 NASA/ESA Conference on Adaptive Hardware and Systems (AHS-2013), Torino, Italy)., 2013, S. 31-38. - ISBN 978-1-4673-6381-5.

 

Mutschler, C.; Philippsen, M.: Dynamic Low-Latency Distributed Event Processing of Sensor Data Streams. In: GI (Hrsg.): Proceedings of the 25th Workshop on Parallel Systems and Algorithms (PARS 2013) (25th Workshop on Parallel Systems and Algorithms (PARS 2013), Erlangen, Germany)., 2013, S. -.

 

Mutschler, C.; Philippsen, M.: Runtime Migration of Stateful Event Detectors with Low-Latency Ordering Constraints. In: IEEE (Hrsg.): Proceedings of the 2013 IEEE International Conference on Pervasive Computing and Communications Workshops (9th International Workshop on Sensor Networks and Systems for Pervasive Computing, San Diego, CA, USA)., 2013, S. 609-614. - ISBN 978-1-4673-5076-1.

 

Mutschler, C.; Philippsen, M.: Distributed Low-Latency Out-of-Order Event Processing for High Data Rate Sensor Streams. In: IEEE Computer Society (Hrsg.): Proceedings of 27th International Parallel and Distributed Processing Symposium (27th IEEE International Parallel & Distributed Processing Symposium (IPDPS), Boston, Massachusetts, USA)., 2013, S. 1133-1144. - ISBN 978-0-7695-4971-2.

 

Mutschler, C.; Philippsen, M.: Learning Event Detection Rules with Noise Hidden Markov Models. In: Benkrid, K.; Merodio, D. (Hrsg.): Proceedings of the 2012 NASA/ESA Conference on Adaptive Hardware and Systems (AHS-2012) (2012 NASA/ESA Conference on Adaptive Hardware and Systems (AHS-2012), Nuremberg, Germany)., 2012, S. 159-166. - ISBN 978-1-4673-1914-0.

 

Mutschler, C.; Philippsen, M.: Towards a Distributed Self-Optimizing Event Processing System for Realtime Locating Systems (RTLS). In: ACM (Hrsg.): DEBS PhD Workshops, 6th ACM International Conference on Distributed Event-Based Systems (International Conference on Distributed Event-Based Systems (DEBS), Berlin, Germany)., 2012.

 

Mutschler, C.; Kókai, G.; Edelhäußer, T.: Online Data Stream Mining on Interactive Trajectories in Soccer Games. In: Artesis University College of Antwerp (Hrsg.): Proceedings of the 2nd International Conference on Positioning and Context-Awareness (PoCA 2011, Brussels)., 2011, S. 15-22. - ISBN 978-94-90705-04-6.

Gradl, S.; Eskofier, B.; Eskofier, D.; Mutschler, C.; Otto, S.: Virtual and Augmented Reality in Sports: An Overview and Acceptance Study. In: (ACM (Hrsg.): Proceedings of the 2016 ACM International Joint Conference on Pervasive and Ubiquitous Computing (UbiComp ’16): Adjunct (2016 ACM International Joint Conference on Pervasive and Ubiquitous Computing, Heidelberg, Germany). 2016, S. 885-888. ISBN 978-1-4503-4462-3.